Box und Google Cloud: Gemini bringt multimodale Suche ins Unternehmen
Veröffentlicht am: 19.08.2026 um 04:34 Uhr | Redaktion boerse-global.de
In einer Kooperation haben Google Cloud und der Content-Spezialist Box die Integration von Gemini Multimodal Embeddings 2 in die sogenannte Agentic Platform von Box bekannt gegeben.
Ziel dieser Zusammenarbeit ist es, die Suchfunktionen innerhalb der Plattform grundlegend zu erweitern und Unternehmen dabei zu unterstützen, komplexe Datenbestände effizienter zu erschließen. Durch den Einsatz der Technologie von Google Cloud wird die Suche auf verschiedene Informationstypen ausgeweitet, die über reine Textinhalte hinausgehen.
Multimodale Analyse komplexer Dokumente
Die technische Neuerung ermöglicht es Anwendern, Informationen in Dokumenten zu finden, die nicht ausschließlich aus Fließtext bestehen. Die Suche unterstützt laut den beteiligten Unternehmen nun auch die Identifikation und Analyse von Daten in Tabellen, Diagrammen und Bildern.
Bisher stellten insbesondere visuelle Darstellungen in Dokumenten eine Herausforderung für automatisierte Suchprozesse dar, da diese oft manuell verschlagwortet werden mussten. Mit der Integration von Gemini können diese Elemente nun direkt im Kontext ihrer Dokumente erfasst werden.
Wer sich mit dem Thema befasst, sollte auch die rechtlichen Rahmenbedingungen der neuen Technologien kennen. Dieser kostenlose Download verschafft Ihnen den Überblick über Fristen, Pflichten und Risikoklassen, den Ihre Rechts- und IT-Abteilung jetzt dringend braucht. EU AI Act in 5 Schritten verstehen
Ein wesentlicher Aspekt dieser Erweiterung ist die Unterstützung einer breiten Palette an gängigen Dateiformaten. Die neue Suchfunktionalität lässt sich auf Textverarbeitungsdokumente im .docx-Format sowie auf Tabellenkalkulationen wie .xlsx und .csv anwenden.
Darüber hinaus werden PDF-Dateien (.pdf), Präsentationsdateien (.pptx) und Bilddateien im .png-Format unterstützt. Dies soll sicherstellen, dass Unternehmen ihre bestehenden digitalen Archive ohne vorherige Konvertierung für die neue Technologie nutzen können.
Anwendungsbereiche in Finanzwesen und Gesundheit
Für die praktische Anwendung im geschäftlichen Alltag wurden mehrere zentrale Einsatzbereiche definiert. Ein Schwerpunkt liegt im Bereich der Finanzberichterstattung. Hier müssen oft umfangreiche Dokumente gesichtet werden, in denen wichtige Kennzahlen in komplexen Tabellen oder grafischen Darstellungen eingebettet sind. Die neue Technologie soll es ermöglichen, diese Informationen schneller aufzufinden und zueinander in Beziehung zu setzen.
Auch im Gesundheitswesen wird ein erhebliches Potenzial für die multimodale Suche gesehen. In diesem Sektor bestehen Unterlagen häufig aus einer Mischung von Texten, Tabellenwerten und bildgebenden Daten. Ein dritter Anwendungsfall betrifft den dokumentenübergreifenden Abgleich.
Die EU-KI-Verordnung stellt neue Regeln für den Einsatz intelligenter Systeme auf, die viele Unternehmen noch nicht vollständig überblicken. Dieser kostenlose Report klärt auf, welche KI-Systeme als Hochrisiko gelten und was Verantwortliche jetzt konkret tun müssen. Kostenlosen Umsetzungsleitfaden zum EU AI Act anfordern
Hierbei können Informationen aus unterschiedlichen Quellen und Dateiformaten konsolidiert werden, was beispielsweise bei der Prüfung von Verträgen oder der Zusammenführung von Projektdaten von Bedeutung ist.
Integration in die Agentic Platform
Die Einbindung der Gemini-Technologie erfolgt im Rahmen der Agentic Platform von Box. Dieser Ansatz zielt darauf ab, spezialisierte KI-Agenten bereitzustellen, die Aufgaben innerhalb der Content Cloud übernehmen können. Durch die verbesserten Einbettungsmethoden (Embeddings) von Google Cloud erhalten diese Agenten ein tieferes Verständnis für die Struktur und den Inhalt der verwalteten Daten.
Branchenbeobachter werten diesen Schritt als Teil einer Entwicklung, bei der Cloud-Speicherdienste zunehmend von reinen Ablagesystemen zu intelligenten Datenplattformen transformiert werden. Die Kooperation zwischen Google Cloud und Box verdeutlicht dabei das Bestreben, die Nutzbarkeit von unstrukturierten Unternehmensdaten durch den Einsatz von fortschrittlichen Modellen für maschinelles Lernen signifikant zu steigern.
